Warum genügt derselbe Codec nicht, warum müssen auch die Parameter übereinstimmen?

Weil der Decoder, bevor er ein Video zu dekodieren beginnt, eine Konfigurationsinformation erhält: Auflösung, Profil, Level, Chroma-Format. Ändern sich diese Werte mitten im Datenstrom, muss der Decoder neu initialisiert werden, und viele Player können das nicht sauber leisten. Deshalb müssen fürs Kopieren nicht nur der Codec, sondern sämtliche Stromparameter übereinstimmen.

Kann ich ein Video genau an der gewünschten Sekunde schneiden und zusammenführen?

Beim Kopieren nein – die Schnittstelle muss auf ein Schlüsselbild (I-Frame) fallen, denn die dazwischenliegenden Bilder hängen von vorhergehenden Bildern ab und lassen sich nicht für sich allein dekodieren. Das Werkzeug rundet auf das nächstgelegene Schlüsselbild. Wollen Sie bildgenau schneiden, muss dieser Abschnitt neu kodiert werden.

Warum müssen die Zeitstempel neu geschrieben werden?

Weil jede Videodatei ihre Zeitstempel bei null beginnen lässt. Hängt man zwei Videos aneinander, beginnen die Stempel des zweiten Videos ebenfalls bei null, und der Player legt das als 'Rücksprung an den Anfang' aus. Das Zusammenführungswerkzeug addiert zu allen Zeitstempeln des zweiten Videos die Dauer des ersten und erzeugt so eine durchgehende Zeitachse.

Warum ist der MKV-Container beim Zusammenführen flexibler?

MKV besitzt eine Struktur, die Abschnitte mit unterschiedlichen Parametern in derselben Datei tragen kann, und viele MKV-Player passen sich Änderungen mitten im Datenstrom an. MP4 ist strenger; es erwartet auf Spurebene eine einzige Konfiguration. Deshalb ist es bei gemischten Quellen in MKV mitunter ohne Neukodierung möglich, in MP4 dagegen nicht.

Kopieren und Neukodieren beim Zusammenführen von Videos: der technische Unterschied

Zwei Videos zusammenzuführen klingt einfach: Hänge das eine hinter das andere. In Wahrheit kommen im Hintergrund Codec-Konfigurationen, Schlüsselbildgrenzen und Zeitstempelberechnungen ins Spiel – und diese entscheiden darüber, ob der Vorgang Sekunden oder Minuten dauert und ob die Qualität erhalten bleibt.

Zwei grundlegende Ansätze

Kopieren (Stream Copy / Concat-Demuxer): Video- und Audiodaten werden ohne jede Dekodierung in die neue Datei übernommen. Nur der Container wird neu geschrieben und die Zeitstempel werden korrigiert.

Qualitätsverlust: null
Dauer: so schnell wie ein Dateikopiervorgang
Bedingung: strenge Parameterübereinstimmung

Neukodierung (Transcode / Concat-Filter): Alle Teile werden dekodiert, in ein gemeinsames Format überführt und als ein einziger Strom neu kodiert.

Qualitätsverlust: vorhanden
Dauer: Minuten oder Stunden
Bedingung: keine, immer möglich

Warum das Kopieren so strenge Bedingungen verlangt

Ein Videodecoder erhält, bevor er den Strom zu dekodieren beginnt, eine Konfigurationsinformation. In H.264 heißt sie SPS (Sequence Parameter Set) und PPS (Picture Parameter Set) und enthält:

Auflösung (Breite, Höhe)
Profil und Level (Baseline/Main/High)
Chroma-Format (4:2:0, 4:2:2, 4:4:4)
Bittiefe
Angaben zur Bildumordnung

Diese Angaben werden am Anfang des Stroms übergeben, und der Decoder richtet sich danach ein – er reserviert Speicher und legt Puffergrößen fest.

Stellen Sie sich nun vor, Sie führen ein 1080p- und ein 720p-Video durch Kopieren zusammen. Mitten im Strom ändert sich die Auflösung, und der Decoder müsste neu initialisiert werden. Manche Player können das, die meisten nicht – das Ergebnis sind Bildstörungen, Einfrieren oder ein Absturz des Players.

Deshalb lautet die Liste der fürs Kopieren nötigen Übereinstimmungen:

| Parameter | Übereinstimmung nötig | |---|---| | Videocodec | Ja, zwingend | | Auflösung | Ja, zwingend | | Profil / Level | Ja | | Chroma-Format | Ja | | Bildrate | Ja (für die Zeitsteuerung) | | Audiocodec | Ja | | Audio-Abtastrate | Ja | | Audio-Kanalzahl | Ja | | Bitrate | Nein (darf sich ändern) |

Die letzte Zeile ist wichtig: Die Bitrate schwankt innerhalb eines Stroms ohnehin und erfordert daher keine Übereinstimmung.

Die Flexibilität von MKV

Der MP4-Container erwartet auf Spurebene eine einzige Konfiguration. Ein Wechsel von Auflösung oder Profil mitten im Strom ist nicht standardkonform.

MKV ist flexibler: Es besitzt eine Struktur, die Abschnitte mit unterschiedlichen Parametern in derselben Datei tragen kann, und viele MKV-Player passen sich Änderungen mitten im Strom an.

Die praktische Folge: Gemischte Quellen in MKV zusammenzuführen ist mitunter ohne Neukodierung möglich, in MP4 nicht. Doch das ist ein vom Player abhängiges Verhalten und nicht garantiert. Verteilen Sie die Datei an ein breites Publikum, ist die Neukodierung der verlässliche Weg.

Das Neuschreiben der Zeitstempel

Selbst beim Kopieren ändert sich eines zwingend: die Zeitstempel.

Jede Videodatei lässt ihre Zeitstempel bei null beginnen. Das erste Video ist von 0 bis 120 Sekunden gestempelt, das zweite wiederum von 0 bis 90 Sekunden.

Hängen Sie beide einfach aneinander, sieht der Player die Stempel des zweiten Videos und hält sie für einen Rücksprung an den Anfang. Das Ergebnis: Das Video endet bei Sekunde 120, oder der Player gerät durcheinander.

Das Zusammenführungswerkzeug addiert zu allen Zeitstempeln des zweiten Videos die Dauer des ersten:

Video 1: PTS 0, 40, 80, ... 119960 (ms)
Video 2 (original): PTS 0, 40, 80, ... 89960
Video 2 (verschoben): PTS 120000, 120040, ... 209960

Das erzeugt eine durchgehende Zeitachse, und der Player sieht das Video als einen einzigen Strom.

Derselbe Vorgang wird für die Tonspur ausgeführt, und dass Ton und Video um denselben Betrag verschoben werden, ist für den Erhalt der Synchronität entscheidend.

Die Schlüsselbildgrenze

Videocodecs speichern Einzelbilder in drei Typen:

I-Frame (Schlüsselbild): Ein vollständiges Bild für sich. Eigenständig dekodierbar.
P-Frame: Hängt von vorhergehenden Bildern ab.
B-Frame: Hängt von vorhergehenden und nachfolgenden Bildern ab.

Sie sind in Gruppen namens GOP (Group of Pictures) angeordnet, und jede GOP beginnt mit einem I-Frame.

Die Auswirkung auf das Zusammenführen: Beim Kopieren muss die Schnittstelle auf ein I-Frame fallen. Sie können nicht bei einem P-Frame beginnen, denn dieses Bild benötigt die davorliegenden Bilder, und die fehlen in der neuen Datei.

Die Folge: Schneiden Sie ein Video und führen es per Kopieren zusammen, rundet das Werkzeug die Schnittstelle auf das nächstgelegene Schlüsselbild. Der Schnitt kann einige Sekunden vor oder nach der gewünschten Stelle erfolgen.

Wollen Sie bildgenau schneiden, muss dieser Abschnitt neu kodiert werden. Manche Werkzeuge nutzen einen klugen Ansatz: Sie kodieren nur die GOPs an den Schnittstellen neu und kopieren den Rest. Das ist als "Smart Rendering" bekannt und bringt Geschwindigkeit und Präzision zugleich.

Führen Sie vollständige Dateien zusammen (ohne Schnitt), tritt dieses Problem nicht auf – jede Datei beginnt ohnehin mit einem I-Frame.

Das Problem der variablen Bildrate

Konstante Bildrate (CFR): Die Bilder treffen in gleichen Abständen ein. Die Zeitstempel bilden eine regelmäßige arithmetische Folge.

Variable Bildrate (VFR): Die Bilder treffen nicht in gleichen Abständen ein. Telefonkameras lassen je nach Licht, Bildschirmaufnahmesoftware je nach fehlender Bewegung Bilder aus.

VFR erzeugt beim Zusammenführen zwei Probleme:

1. Die Dauerberechnung wird falsch. Nimmt das Werkzeug eine mittlere Bildrate an und berechnet die Dauer als Bildanzahl geteilt durch fps, findet es einen von der tatsächlichen Dauer abweichenden Wert. Der Verschiebungsbetrag des zweiten Videos wird falsch berechnet.

2. Der Versatz summiert sich. Steckt in jedem Teil ein kleiner Fehler, addieren sie sich. Führen Sie fünf Teile zusammen, entsteht gegen Ende ein spürbares Problem mit der Lippensynchronität.

Das Anzeichen ist charakteristisch: Am Anfang des Videos stimmt die Synchronität, gegen Ende läuft sie auseinander.

Die Lösung: die Teile vor dem Zusammenführen auf eine konstante Bildrate umwandeln. Das ist ein zusätzlicher Neukodierungsschritt, löst das Problem aber an der Wurzel.

Arbeiten Sie regelmäßig mit Telefonvideos, ist es eine gute Gewohnheit, diesen Schritt in Ihren Arbeitsablauf aufzunehmen.

Die Übereinstimmung auf der Tonseite

Für den Ton gelten ähnliche Bedingungen:

Codec-Übereinstimmung: Ist eines AAC und das andere MP3, ist ein Kopieren nicht möglich.

Abtastrate: Eine Mischung aus 44,1 kHz und 48 kHz führt, wenn nicht sauber umgerechnet wird, dazu, dass ein Teil in falscher Geschwindigkeit läuft.

Kanalzahl: Eine Mischung aus Mono und Stereo erfordert eine Umwandlung.

Weil verlustbehaftete Audiocodecs zudem blockbasiert arbeiten, liegen am Anfang und Ende jeder Datei Encoder-Verzögerung und Füllsamples. Führen Sie durch Kopieren zusammen, bleiben diese Lücken erhalten, und an jedem Übergang entsteht eine kurze Stille.

Auf der Videoseite besteht dieses Problem nicht (Videobilder benötigen keine Blockfüllung), sodass zwischen Ton und Bild ein kleiner Zeitunterschied entstehen kann. Bei langen Zusammenführungen kann sich das summieren.

Wollen Sie lückenlosen Ton, muss der Ton neu kodiert werden.

Die Zielwahl bei der Neukodierung

Ist eine Neukodierung unvermeidlich, müssen Sie die Zielparameter wählen:

Auflösung. Zielen Sie auf den am häufigsten vorkommenden Wert. Sind in der Mischung vier Videos in 1080p und eines in 720p, wählen Sie 1080p – nur ein Teil wird hochskaliert.

Bildrate. Die höchste zu wählen liefert ein flüssigeres Ergebnis. Ein 30-fps-Video auf 60 fps zu bringen wiederholt Bilder (fügt keine neue Information hinzu), doch die 60-fps-Teile bewahren ihre Flüssigkeit.

Seitenverhältnis. Gibt es unterschiedliche Verhältnisse, bewahren schwarze Balken (Letterbox/Pillarbox) den Inhalt; Zuschneiden füllt das Bild, kostet aber Inhalt.

Bitrate / Qualität. Ein CRF-basiertes Qualitätsziel liefert meist bessere Ergebnisse als eine konstante Bitrate, weil jede Szene so viele Daten erhält, wie sie benötigt.

Codec. H.264 ist die sicherste Wahl; er funktioniert überall.

Zusammengefasst

Beim Zusammenführen von Videos ist das Kopieren der ideale Weg – ohne jeden Qualitätsverlust und in Sekunden abgeschlossen –, doch es hat strenge Bedingungen: Codec, Auflösung, Profil, Chroma-Format, Bildrate und sämtliche Tonparameter müssen übereinstimmen. Selbst wenn diese Bedingung erfüllt ist, müssen die Zeitstempel neu geschrieben werden; dass Ton und Video um denselben Betrag verschoben werden, entscheidet über die Synchronität. Schneiden Sie, stößt das Kopieren an die Schlüsselbildgrenzen, und die Schnittstelle wird gerundet. Quellen mit variabler Bildrate sind die häufigste Ursache für einen sich summierenden Synchronversatz und sollten zuvor auf eine konstante Bildrate umgewandelt werden. Lässt sich keine Übereinstimmung herstellen, ist eine Neukodierung nötig, und die Entscheidungen über Zielauflösung, Bildrate und Seitenverhältnis sollten bewusst getroffen werden.